Online Retail Müşteri Yaşam Boyu Değer (CLTV) Tahmin Projesi

Bu projede, Online Retail II veri setindeki İngiltere merkezli müşteri verilerini kullanarak BG-NBD ve Gamma-Gamma modelleriyle CLTV (Customer Lifetime Value) tahmini yapılmıştır. Amaç, 2010-2011 döneminde alışveriş yapan müşterilerin gelecekte şirkete sağlayacakları potansiyel değeri öngörerek, pazarlama ve satış faaliyetleri için veri odaklı kararlar almaktır.

Proje Amacı ve Katma Değeri

1. Proje Amacı

A. Temel Hedefler

• İngiltere'deki müşterilerin geçmiş satış verilerine dayanarak 6 aylık ve farklı zaman dilimlerindeki CLTV değerlerini tahmin etmek.
• Şirketin orta ve uzun vadeli stratejik planlamasına destek olacak müşteri değer öngörülerini sunmak.

2. Katma Değer

A. İş Değeri

• Müşterilerin gelecekte şirkete sağlayacağı gelir potansiyeli anlaşılarak pazarlama, satış ve bütçe planlamalarında önceliklendirmeler yapılabilir.
• Yüksek potansiyelli segmentlere özel kampanyalar, düşük potansiyellilere kazanım stratejileri uygulanarak gelir artışı ve müşteri bağlılığı hedeflenir.

Veri Seti ve Değişkenler

1. Veri Seti Özellikleri

A. Temel Bilgiler

• Dosya Adı: online_retail_II.xlsx
• Zaman Aralığı: 01/12/2009 - 09/12/2011
• Ölçek: Toplam 541.909 gözlem

B. Temel Değişkenler

1. InvoiceNo: Fatura numarası (C ile başlayanlar iptal/iade işlemlerini ifade eder)
2. StockCode: Her bir ürüne ait eşsiz ürün kodu
3. Description: Ürün ismi/tanımı
4. Quantity: Faturada satılan ürün adedi
5. InvoiceDate: Fatura tarihi
6. UnitPrice: Ürün birim fiyatı (Sterlin)
7. CustomerID: Eşsiz müşteri numarası
8. Country: Ülke ismi

Şirketin ürün kataloğu hediyelik eşyalardan oluşur ve çoğu müşteri toptancıdır. Projedeki çalışma özelinde İngiltere (UK) müşterileri odak noktasını oluşturur.

Adımlar ve Metodoloji

1. Veri Ön İşleme

A. Veri Filtreleme

• İptal/iade (InvoiceNo'nun başında C olanlar) ve eksik/bilinmeyen CustomerID değerleri temizlenir.
• Hedef kitle olarak UK (İngiltere) müşterileri seçilerek veri bu ülke özelinde filtrelenir.

B. Tarih Aralığı Seçimi

• 2010-2011 dönemine ait satışları analiz etmek için belirli bir zaman aralığı (örn. 2010-01-01 ile 2011-12-31) seçilir.

C. Toplam Tutar Hesaplama

• Satış düzeyinde TotalPrice = Quantity * UnitPrice değişkeni oluşturulur.

D. Müşteri Bazlı Verilerin Toplanması

• Müşteri özelinde toplam alışveriş sayısı (Frequency), son alışveriş tarihi (Recency), toplam harcama (Monetary) ve ilk alışveriş tarihi gibi RFM bilgileri çıkarılır.

2. BG-NBD ve Gamma-Gamma Modelleri

A. BG-NBD Modeli

• Müşterilerin tekrar satın alma (frequency) davranışları ve son alışveriş zamanları (recency) üzerinden, gelecekte kaç kez alışveriş yapacakları tahmin edilir.

B. Gamma-Gamma Modeli

• Tekrar eden müşterilerin ortalama satın alma değerini tahmin etmek için kullanılır.
• BG-NBD ile tahmin edilen satın alma sayısı ve Gamma-Gamma ile tahmin edilen ortalama harcama birleştirilerek CLTV hesaplanır.

C. 6 Aylık CLTV Tahmini

• Projede istenen 6 aylık (veya istenen dönem) müşteri değeri, BG-NBD ve Gamma-Gamma modellerinden elde edilen beklenti değerleriyle hesaplanır.

3. Farklı Zaman Periyotlarından CLTV Analizi

A. Dönemsel Analizler

• Aynı modeller üzerinden 1 aylık ve 12 aylık CLTV değerleri öngörülür.
• En yüksek 10 müşteriyi analiz ederek müşteriler arasında dönemsel değişiklik olup olmadığı gözlemlenir.

B. Farklılıkların İncelenmesi

• 1 aylık dönemde yüksek görünen bir müşteri, 12 aylık dönemde daha düşük sıralarda yer alabilir.
• Bu farklılıkların nedenleri analiz edilir.

4. Segmentasyon ve Aksiyon Önerileri

A. CLTV Bazlı Segmentasyon

• Müşteriler, tahmini CLTV değerlerine göre 4 segmente (ör. "A", "B", "C", "D") ayrılır.
• Segment sınırları, CLTV dağılımına göre belirlenebilir.

B. Grup Bazlı Öneriler

• En yüksek değere sahip segment için özel stratejiler geliştirilir.
• Orta ve alt segmentler için farklı yaklaşımlar belirlenir.

Sonuçlar ve Çıktılar

1. CLTV Tahminleri

A. Dönemsel Tahminler

• Müşterilerin 6 aylık, 1 aylık ve 12 aylık değerleri hesaplanarak, şirketin orta-uzun vadeli pazarlama ve bütçe planlarına ışık tutulur.

2. Zaman Periyotlarına Göre Değişimler

A. Müşteri Davranış Analizi

• Bazı müşteriler kısa vadede yüksek değerli görünürken, uzun vadede daha az kârlı olabilir veya tam tersi.
• Bu veriler, müşteri davranışındaki frekans ve tutar varyasyonunun pazarlama stratejilerindeki önemini vurgular.

3. Segmentasyonla Odaklı Stratejiler

A. Segment Bazlı Yaklaşımlar

• Elde edilen segmentler, müdahale önceliklerine dair içgörü sağlar.
• Yüksek değerli müşterilere ayrı bir kampanya veya VIP programı sunulabilir.
• Potansiyel müşteriler için farklı taktikler uygulanabilir.